2Q-1
RBFネットワークと強化学習的手法による評価関数を用いたゲームAI
○成田卓也,佐藤晴彦,小山 聡,栗原正仁(北大)
近年の技術の発展によりビデオゲームは高度かつ複雑に発展してきている。
また、ゲームをプレイするプレイヤーの側でも、その能力や嗜好は多種多様に
なってきている。
その中で、予め全てのプレイヤーの能力や嗜好に合わせてゲームAIを設計すると
いうことは非常に困難であり、
一部の層にのみ向けて設計をせざるを得ない現状がある。
そこで、本研究ではビデオゲームの主要なジャンルの一つであるシミュレーショ
ンロール
プレイングゲームを題材として、実際に対戦を行いながら動的に評価関数を構築
していく。
評価関数にはRBFネットワークを利用し、その学習に強化学習を組み合わせるこ
とで、
対戦を行いながら動的に評価関数を学習するゲームAIを設計について述べる。